Kommentare: Wie bereits zuvor, zeigten Gehirnscans bei Menschen mit Internetabhängigkeit suchtähnliche strukturelle Veränderungen. Anomalien in der weißen und grauen Substanz finden sich auch bei Drogenabhängigen.
Hintergrund
Die Internet-Suchtstörung (IAD) wird derzeit weltweit zu einem ernsthaften Problem der psychischen Gesundheit. Frühere Studien zur IAD konzentrierten sich hauptsächlich auf assoziierte psychologische Untersuchungen. Es gibt jedoch nur wenige Studien über die Struktur und Funktion des Gehirns über IAD. In dieser Studie verwendeten wir Diffusion Tensor Imaging (DTI), um die Integrität der weißen Substanz bei Jugendlichen mit IAD zu untersuchen.
Methodik / Hauptbefunde
An dieser Studie nahmen XNUMX IAD-Probanden und XNUMX gesunde Kontrollpersonen ohne IAD teil. Eine voxelweise Analyse der fraktionierten Anisotropie (FA) im gesamten Gehirn wurde durch traktbasierte räumliche Statistik (TBSS) durchgeführt, um abnormale Regionen der weißen Substanz zwischen Gruppen zu lokalisieren. TBSS zeigte, dass IAD im gesamten Gehirn eine signifikant niedrigere FA als die Kontrollen aufwies, einschließlich der orbito-frontalen weißen Substanz, des Corpus callosum, des Cingulums, des inferioren fronto-occipitalen Fasciculus und der Koronastrahlung sowie der inneren und äußeren Kapseln, während es keine Bereiche mit höherem FA zeigte. Die Volumen-von-Interesse-Analyse (VOI) wurde verwendet, um Änderungen der Diffusionsindizes in den Regionen zu erfassen, die FA-Anomalien zeigten. In den meisten VOIs wurden FA-Reduktionen durch eine Erhöhung der radialen Diffusivität verursacht, während sich die axiale Diffusivität nicht änderte. Eine Korrelationsanalyse wurde durchgeführt, um die Beziehung zwischen FA und Verhaltensmaßstäben innerhalb der IAD-Gruppe zu bewerten. Es wurden signifikant negative Korrelationen zwischen FA-Werten im linken Genu des Corpus Callosum und dem Screen for Child Anxiety Related Emotional Disorders sowie zwischen FA-Werten in der linken externen Kapsel und der Internet-Sucht-Skala von Young gefunden.
Schlussfolgerungen
Unsere Ergebnisse deuten darauf hin, dass IAD weitverbreitete Reduktionen von FA in wichtigen weißen Substanzbahnen gezeigt hat und eine solche abnormale Struktur der weißen Substanz mit einigen Verhaltensstörungen in Verbindung gebracht werden kann. Darüber hinaus kann die Integrität der weißen Substanz als potenzielles neues Behandlungsziel dienen, und FA könnte als ein qualifizierter Biomarker dienen, um die zugrunde liegenden neuralen Mechanismen der Verletzung zu verstehen oder um die Wirksamkeit spezifischer früher Interventionen bei IAD zu beurteilen.
Zitat: Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Abnormale Integrität der weißen Materie bei Jugendlichen mit Internet-Suchtstörung: Eine traktbasierte räumliche Statistikstudie. PLoS ONE 7 (1): e30253. doi: 10.1371 / journal.pone.0030253
Herausgeber: Martin Gerbert Frasch, Université de Montréal, Kanada
Eingegangen am 4. Oktober 2011; Akzeptiert: 15. Dezember 2011; Veröffentlicht: 11. Januar 2012
Copyright: © 2012 Lin et al. Dies ist ein Open-Access-Artikel, der unter den Bedingungen der Creative Commons Attribution License verbreitet wird und die uneingeschränkte Verwendung, Verbreitung und Reproduktion auf jedem Medium ermöglicht, sofern der ursprüngliche Autor und die Quelle angegeben sind.
Finanzierung: Diese Arbeit wurde teilweise von der Natural Science Foundation of China (Nr. 30800252 und 20921004), dem National Basic Research Program of China (973 Program) Grant Nr. 2011CB707802 und dem Knowledge Innovation Program der Chinesischen Akademie der Wissenschaften sowie von Excellent Doctoral unterstützt Diplomarbeitsprogramm der Chinesischen Akademie der Wissenschaften. Die Geldgeber hatten keine Rolle bei der Gestaltung der Studie, der Datenerfassung und -analyse, der Entscheidung zur Veröffentlichung oder der Erstellung des Manuskripts.
Konkurrierende Interessen: Die Autoren haben erklärt, dass keine konkurrierenden Interessen bestehen.
* E-mail: [E-Mail geschützt] (JX); [E-Mail geschützt] (HL)
# Diese Autoren haben gleichermaßen zu dieser Arbeit beigetragen.
Die Internet-Suchtstörung (IAD), auch als problematische oder pathologische Internetnutzung bezeichnet, ist durch die Unfähigkeit einer Person gekennzeichnet, ihre Internetnutzung zu kontrollieren, was letztendlich zu deutlichen Belastungen und funktionellen Beeinträchtigungen des allgemeinen Lebens führen kann, wie z. B. akademische Leistung, soziale Interaktion, berufliches Interesse und Verhaltensprobleme [1]. Die Beschreibung bezüglich IAD basiert auf der Definition für Substanzabhängigkeit oder pathologisches Glücksspiel, die Eigenschaften der Substanzabhängigkeit wie Vorbeschäftigung, Stimmungsänderung, Toleranz, Entzug, Stress und funktionelle Beeinträchtigungen teilt [2], [3]. Mit der steigenden Anzahl von Internetnutzern hat das Problem der IAD derzeit beträchtliche Aufmerksamkeit von Psychiatern, Pädagogen und der Öffentlichkeit erregt; Daher wird IAD auf der ganzen Welt zu einem ernsthaften Problem der psychischen Gesundheit [4], [5], [6].
Aktuelle Studien über IAD konzentrieren sich auf Fallzusammenfassungen, Verhaltenskomponenten, negative Konsequenzen im täglichen Leben, zusammen mit klinischer Diagnose, Epidemiologie, assoziierten psychosozialen Faktoren, Symptommanagement, psychiatrischer Komorbidität und Behandlungsergebnis [7], [8], [9], [10], [11]. Diese Studien basieren hauptsächlich auf psychologisch selbst berichteten Fragebögen und berichten durchweg, dass eine starke Überbeanspruchung des Internets potenzielle Auswirkungen auf die psychischen Probleme und kognitiven Beeinträchtigungen von Personen haben kann.
Bis heute wurden nur wenige Bildgebungsuntersuchungen durchgeführt, um strukturelle und funktionelle Gehirnveränderungen zu untersuchen, die mit IAD assoziiert sind. Eine frühere Voxel-basierte Morphometrie (VBM) -Studie berichtete über eine verminderte Dichte der grauen Substanz im linken anterioren cingulären Kortex, posterioren cingulären Cortex, der Insula und dem lingualen Gyrus von IAD-Jugendlichen [12]. Yuan und Kollegen fanden heraus, dass IAD-Patienten mehrere strukturelle Veränderungen im Gehirn hatten, und diese Veränderungen korrelierten signifikant mit der Dauer der Internetabhängigkeit [13]. Eine funktionelle Magnetresonanztomographie (fMRI) im Ruhezustand zeigte, dass IAD-Studenten regionale Homogenität in verschiedenen Gehirnregionen wie Kleinhirn, Hirnstamm, limbischem Lappen, Frontallappen und Apikallappen erhöhten [14]. Zwei aufgabenbezogene fMRT-Studien von Personen mit Online-Spielsucht zeigten, dass die Stichwort-induzierte Aktivierung als Reaktion auf Internet-Videospiel-Stimuli derjenigen ähnlich ist, die während der Cue-Präsentation bei Menschen mit Substanzabhängigkeit oder pathologischem Glücksspiel beobachtet wurde [15], [16]. Dong et al. [17]berichteten, dass IAD-Studenten eine geringere Aktivierung in der Konflikterkennungsstufe hatten und weniger Effizienz bei der Informationsverarbeitung und eine geringere Impulskontrolle zeigten als normale Kontrollen, indem sie ereignisbezogene Gehirnpotentiale während einer Go / No-Go-Aufgabe aufzeichneten. Eine Positronen-Emissions-Tomographie (PET) Studie ergab, dass Internet-Game-Overuse psychologische und neuronale Mechanismen mit anderen Arten von Impulskontrollstörungen und Substanz / nicht-Substanz-abhängige Sucht teilt [18]. Zusammengefasst zeigen diese Ergebnisse, dass IAD-Patienten mit strukturellen und funktionellen Veränderungen in Gehirnregionen assoziiert sind, die mit emotionaler Verarbeitung, exekutiver Aufmerksamkeit, Entscheidungsfindung und kognitiver Kontrolle einhergehen.
Wir stellen die Hypothese auf, dass IAD-Patienten auch mit Beeinträchtigungen von Fasern der weißen Substanz verbunden sind, die diese Regionen verbinden, und solche Veränderungen können durch Diffusion Tensor Imaging (DTI) nachgewiesen werden, eine nicht-invasive MRT-Technik, die ein quantitatives Maß für die Schädigung der weißen Substanz liefern kann [19]. DTI ist empfindlich gegenüber Wasserdiffusionseigenschaften und wurde als ein Werkzeug zum Untersuchen der lokalen Eigenschaften der weißen Hirnsubstanz entwickelt [20]. Vier häufig verwendete quantitative Diffusionsparameter können aus DTI-Daten abgeleitet werden: 1) fraktionelle Anisotropie (FA), die die Direktionalität der Wasserdiffusion und die Kohärenz der Faserbereiche der weißen Substanz widerspiegelt; 2) bedeutet Diffusionsvermögen (MD), quantifiziert die Gesamtgröße der Wasserdiffusion; 3) axiale Diffusivität (Da), die die Größe der Diffusivität entlang der Hauptdiffusionsrichtung misst; und 4) Radialdiffusivität (Dr), die die Größe der Diffusivität senkrecht zur Hauptdiffusionsrichtung wiedergibt [21],[22]. Diese Messungen sind mit der mikrostrukturellen Organisation der weißen Substanz verbunden und werden verwendet, um strukturelle Eigenschaften der lokalen Gewebeumgebung abzuleiten.
In dieser Studie haben wir DTI verwendet, um die Integrität der weißen Substanz bei Jugendlichen mit IAD zu untersuchen. Zur Analyse der DTI-Daten wurde eine beobachtungsunabhängige Trakt-basierte räumliche Statistik (TBSS) -Analyse verwendet. Dieses Verfahren behält die Stärken der Voxel-basierten Analyse bei, während es einige seiner Nachteile behebt, wie zum Beispiel das Ausrichten von Bildern von mehreren Subjekten und die Willkürlichkeit der Wahl der räumlichen Glättung [23]. Ziel der Studie ist es, 1) Unterschiede in der topografischen Verteilung der Integrität der weißen Substanz zwischen Jugendlichen mit IAD und gesunden Kontrollen ohne IAD zu untersuchen, ohne a priori Annahmen über den Ort möglicher Anomalien zu treffen, und 2) festzustellen, ob es irgendwelche gab Beziehung zwischen der Integrität der weißen Substanz und neurophysiologischen Maßnahmen bei IAD-Probanden.
Themen
Achtzehn Jugendliche mit IAD wurden aus der Abteilung für Kinder- und Jugendpsychiatrie des Shanghai Mental Health Center rekrutiert, die alle den modifizierten Young-Diagnosefragebogen für Internet-Suchtkriterien von Beard und Wolf erfüllten [2]. Achtzehn Jahre, Geschlecht und Bildungsjahre stimmten mit normalen Probanden überein, ohne dass IAD als Kontrollen ausgewählt wurden. Alle Probanden waren rechtshändig, wie durch einen Fragebogen gemäß dem Edinburgh-Händigkeits-Inventar bewertet wurde [24]. Die strukturellen MRI-Daten dieser Probanden wurden in unserer vorherigen VBM-Studie verwendet [12]. Für diese Studie mussten die Bildgebungsdaten von zwei Kontrollen und einem IAD-Subjekt wegen großer Bewegungsartefakte verworfen werden. Als Ergebnis wurden insgesamt 16 Kontrollen (Altersgruppe: 15-24) und 17 IAD-Patienten (Altersgruppe: 14-24) eingeschlossen. Die demographischen Informationen der eingeschlossenen Themen sind in aufgelistet Tabelle 1.
Tabelle 1. Demographische und Verhaltensmerkmale der eingeschlossenen Teilnehmer.
doi: 10.1371 / journal.pone.0030253.t001
Die Studie wurde von der Ethikkommission des RenJi-Krankenhauses der Shanghai Jiao Tong University Medical School genehmigt. Die Teilnehmer und ihre Eltern / Erziehungsberechtigten wurden vor der MRT-Untersuchung über die Ziele unserer Studie informiert. Die vollständige schriftliche Einverständniserklärung wurde von den Eltern / Erziehungsberechtigten jedes Teilnehmers eingeholt.
Einschluss und Ausschluss Kriterien
Alle Probanden unterzogen sich einer einfachen körperlichen Untersuchung einschließlich Blutdruck- und Herzfrequenzmessungen und wurden von einem Psychiater bezüglich ihrer medizinischen Vorgeschichte zu Nerven-, Bewegungs-, Verdauungs-, Atmungs-, Kreislauf-, endokrinen, Harn- und Fortpflanzungssystemen befragt. Anschließend wurden sie mit dem Mini International Neuropsychiatric Interview für Kinder und Jugendliche (MINI-KID) auf psychiatrische Störungen untersucht. [25]. Zu den Ausschlusskriterien gehörte eine Vorgeschichte von Drogenmissbrauch oder -abhängigkeit; eine Geschichte von schweren psychiatrischen Störungen, wie Schizophrenie, Depression, Angststörung, psychotischen Episoden oder Krankenhausaufenthalt wegen psychiatrischer Störungen. Die IAD-Patienten wurden nicht mit Medikamenten behandelt. Eine kleine Anzahl von IAD-Patienten erhielt jedoch eine Psychotherapie.
Der Diagnosestandard für IAD wurde aus dem modifizierten Young's Diagnostic Questionnaire für Internet Addiction-Kriterien von Beard und Wolf angepasst [2]. Das Kriterium bestehend aus acht "Ja" - oder "Nein" -Einträgen wurde ins Chinesische übersetzt. Es enthält die folgenden Fragen: (1) Fühlen Sie sich mit dem Internet beschäftigt (dh denken Sie an frühere Online-Aktivitäten oder erwarten Sie die nächste Online-Sitzung)? (2) Haben Sie das Bedürfnis, das Internet mit zunehmender Zeit zu nutzen, um Zufriedenheit zu erreichen? (3) Haben Sie wiederholt erfolglose Versuche unternommen, das Internet zu kontrollieren, einzuschränken oder zu stoppen? (4) Fühlst du dich unruhig, launisch, depressiv oder gereizt, wenn du versuchst, das Internet zu reduzieren oder zu stoppen? (5) Bleiben Sie länger online als ursprünglich geplant? (6) Haben Sie aufgrund des Internets den Verlust einer bedeutenden Beziehung, eines Arbeitsplatzes, einer Ausbildung oder einer Karrierechance riskiert oder riskiert? (7) Haben Sie Familienmitglieder, einen Therapeuten oder andere belogen, um das Ausmaß der Beteiligung am Internet zu verbergen? (8) Benutzt du das Internet als eine Möglichkeit, vor Problemen zu flüchten oder eine verzweifelte Stimmung zu lindern (zB Gefühle der Hilflosigkeit, Schuld, Angst und Depression)? Teilnehmer, die die Punkte 1 bis 5 und mindestens einen der verbleibenden drei Punkte mit "Ja" beantworteten, wurden als an IAD leidend klassifiziert.
Verhaltensbewertungen
Sechs Fragebögen wurden verwendet, um die Verhaltensmerkmale der Teilnehmer zu bewerten, nämlich die Young's Internet Addiction Scale (YIAS). [26]Zeitmanagement Dispositionsskala (TMDS) [27], Fragebogen zu Stärken und Schwierigkeiten (SDQ) [28], Barratt Impulsivitätsskala-11 (BIS) [29], der Bildschirm für emotionale Angststörungen bei Kindern (SCARED) [30] und Familienbewertungsgerät (FAD) [31]. Alle Fragebögen wurden zunächst in Englisch erstellt und ins Chinesische übersetzt.
Bilderfassung
Die Diffusionstensor-Bildgebung wurde mit einem 3.0-Tesla Phillips-Achieva-medizinischen Scanner durchgeführt. Eine einschichtige echoplanare diffusionsgewichtete Bildgebung mit Ausrichtung der anterior-posterioren Kommissurenebene wurde gemäß den folgenden Parametern durchgeführt: Wiederholungszeit = 8,044 ms; Echozeit = 68 ms; SENSE Faktor = 2; Akquisitionsmatrix = 128 × 128 Null-gefüllt zu 256 × 256; Sichtfeld = 256 × 256 mm2; Scheibendicke = 4 mm ohne Lücke. Insgesamt behandelten 34-Schnitte das gesamte Gehirn einschließlich des Kleinhirns. Die diffusionsempfindlichen Gradienten wurden entlang 15 nicht-kollinearer Gradientenkodierrichtungen mit b = 800 s / mm angelegt2. Ein zusätzliches Bild ohne Diffusionsgradienten (b = 0 s / mm2) wurde ebenfalls erworben. Um das Signal-Rausch-Verhältnis zu verbessern, wurde die Bildgebung dreimal wiederholt.
Datenvorverarbeitung
Alle DTI-Daten wurden von der Diffusion Toolbox (FDT) des FMRIB in der Software Library (FSL) des FMRIB vorverarbeitet. http://www.fmrib.ox.ac.uk/fsl). Zunächst wurden die diffusionsgewichteten Volumina an die entsprechenden nicht diffusionsgewichteten Volumina angepasst (b0) Bild mit einer affinen Transformation, um Bildverzerrungen durch Wirbelströme zu minimieren und einfache Kopfbewegungen zu reduzieren. Dann wurden Nicht-Hirngewebe und Hintergrundgeräusche von b entfernt0 Bild mit dem Brain Extraction Tool. Nach diesen Schritten wurde der Diffusionstensor für jedes Voxel durch den multivariaten linearen Anpassungsalgorithmus geschätzt, und die Tensormatrix wurde diagonalisiert, um ihre drei Eigenwertpaare (λ1, λ2, λ3) und Eigenvektoren. Und dann voxelweise Werte von FA, MD, Da (Da = λ1) und Dr (Dr = (λ2+ λ3) / 2) wurden berechnet.
TBSS-Analyse
Die Ganzkörperanalyse von FA-Bildern wurde unter Verwendung von TBSS durchgeführt [23], die in FSL implementiert wurde. Kurz gesagt, FA-Karten aller Subjekte wurden zuerst auf ein gemeinsames Ziel ausgerichtet und dann wurden die ausgerichteten FA-Volumina auf 1 × 1 × 1 mm normalisiert3 Montreal Neurological Institute (MNI152) Standardraum über die Vorlage FMRIB58_FA. Danach wurden die registrierten FA-Bilder gemittelt, um ein fächerübergreifendes mittleres FA-Bild zu erzeugen, und dann wurde das mittlere FA-Bild angewendet, um ein mittleres FA-Skelett zu erzeugen, das die Hauptfaserspuren und das Zentrum aller Fasergruppen darstellt, die der Gruppe gemeinsam sind. Das mittlere FA-Skelett wurde durch einen FA-Wert von 0.2 weiter eingeschränkt, um periphere Bahnen auszuschließen, bei denen signifikante interindividuelle Variabilität und / oder partielle Volumeneffekte mit grauer Substanz auftraten. Nach der Schwellenwertbildung des mittleren FA-Skeletts wurden die ausgerichteten FA-Daten jedes Teilnehmers auf das mittlere Skelett projiziert, um eine skelettierte FA-Karte zu erzeugen, indem der Bereich um das Skelett in der zu jedem Trakt senkrechten Richtung durchsucht und der höchste lokale FA gefunden wurde Wert und dann diesen Wert der entsprechenden Skelettstruktur zuweisen.
Um FA-Unterschiede zwischen IAD-Subjekten und normalen Kontrollen zu identifizieren, wurden die skelettierten FA-Daten in die voxelweise statistische Analyse eingegeben, die auf einem nichtparametrischen Ansatz unter Verwendung der Permutationstesttheorie basiert. Der Test wurde mit dem Randomise-Programm FSL durchgeführt, das zufällige 5000-Permutationen verwendet. Zwei Kontraste wurden geschätzt: IAD-Subjekte größer als Kontrollen und Kontrollen größer als IAD-Subjekte. Das Alter wurde als Kovariate in die Analyse aufgenommen, um sicherzustellen, dass jeder beobachtete Unterschied der FA zwischen den Gruppen unabhängig von altersbedingten Veränderungen war. Schwellenfreie Clusterverbesserung (TFCE) [32]Eine Alternative zur herkömmlichen clusterbasierten Schwellenwertbildung, die normalerweise durch die willkürliche Definition der Clusterbildungsschwelle beeinträchtigt wird, wurde verwendet, um die signifikanten Unterschiede zwischen zwei Gruppen bei p <0.01 zu erhalten, nachdem mehrere Vergleiche durch Kontrolle auf familienbezogene Fehler berücksichtigt wurden (FWE) Rate. Aus den Ergebnissen voxelweiser Gruppenvergleiche wurden die Skelettregionen, die signifikante Unterschiede zwischen den Gruppen zeigten, lokalisiert und anatomisch markiert, indem die FWE-korrigierte statistische Karte von p <0.01 auf die Johns Hopkins University (JHU) -ICBM-DTI-81 abgebildet wurde Weiße Substanz (WM) markiert Atlas und JHU-WM-Traktographie-Atlas im MNI-Raum.
Volumen-Interessenanalyse von Diffusionsindizes
Um die mikrostrukturellen Mechanismen der beobachteten FA-Änderungen zu untersuchen, wurde eine VOI-Analyse (Volume-of-Interest) durchgeführt, um Änderungen der Diffusionsindizes (Da, Dr und MD) in Regionen mit FA-Anomalien zu untersuchen. Zu diesem Zweck wurden die VOI-Masken zunächst anhand der Cluster extrahiert, die signifikante FA-Unterschiede zwischen den Gruppen aufweisen. Diese VOIs-Masken wurden dann auf die Originalbilder jedes Subjekts zurückprojiziert und die Mittelwerte der Diffusionsindizes innerhalb der VOIs berechnet. Nach Bestätigung der Normalverteilung der Daten durch einen Kolmogorov-Smirnov-Test mit einer Stichprobe wurde eine Einweganalyse der Kovarianz (ANCOVA) mit der Gruppe als unabhängige Variable und den Diffusionsindizes als abhängigen Variablen durchgeführt, wobei das Alter der Probanden kontrolliert wurde. Ein statistisches Signifikanzniveau von p <0.05 (Bonferroni-Korrektur für Mehrfachvergleiche) wurde verwendet.
Pearson-Korrelationsanalysen wurden verwendet, um die Korrelationen zwischen FA-Änderungen innerhalb der VOIs und Verhaltensmaßstäben zu testen. Ein p <0.05 (nicht korrigiert) wurde als statistisch signifikant angesehen. Es wurden schrittweise multiple Regressionsanalysen mit gemittelten FA-Werten in VOIs als abhängige Variable und Alter, Bildung, Geschlecht, YIAS, SDQ, SCARED, FAD, TMDS und BIS als unabhängige Variablen durchgeführt, um zu überprüfen, ob der in den VOIs gefundene niedrigere FA sein könnte vorhergesagt durch die Ergebnisse von Verhaltenstests.
Demographische und verhaltensbezogene Maßnahmen
Tabelle 1 listet die demografischen und Verhaltensmaße für IAD- und Kontrollpersonen auf. Es gab keine signifikanten Unterschiede in der Verteilung von Alter, Geschlecht und Bildungsjahren zwischen den beiden Gruppen. Die IAD-Probanden zeigten höhere YIAS- (p <0.0001), SDQ- (p <0.001), SCARED- (p <0.0001) und FAD- (p = 0.016) Werte als die Kontrollen. Es wurden keine Unterschiede in den TMDS- und BIS-Werten zwischen den Gruppen gefunden.
TBSS-Ergebnisse
Ein Wert von 0.2 wurde verwendet, um das mittlere Skelettvolumen von FA zu schwellen, so dass insgesamt 131962-Voxel in die Voxel-weise TBSS-Analyse eingegeben wurden. Die räumliche Verteilung der Hirnregionen, die eine reduzierte FA in der IAD - Gruppe aufweisen, wird in Abb.. 1 und Tabelle 2. Im Vergleich zu den Kontrollpersonen hatten IAD-Patienten eine signifikant verringerte FA (p <0.01; TFCE-korrigiert) in bilateraler orbito-frontaler weißer Substanz, Corpus callosum, Assoziationsfasern mit Beteiligung des bilateralen inferioren front-occipitalen Fasciculus und des bilateralen anterioren Cingulums. Projektionsfasern, bestehend aus der bilateralen vorderen, oberen und hinteren Koronastrahlung, dem bilateralen vorderen Glied der inneren Kapsel, der bilateralen äußeren Kapsel und dem linken präzentralen Gyrus. Es gab keine Regionen der weißen Substanz, in denen die Kontrollen im Vergleich zu den IAD-Teilnehmern signifikant niedrigere FA-Werte aufwiesen.
Abbildung 1. TBSS-Analyse der fraktionellen Anisotropie (FA) Volumen.
Bereiche in Rot sind Regionen, in denen die FA bei Jugendlichen mit Internet-Suchtstörung (IAD) im Vergleich zu normalen Kontrollen ohne IAD signifikant niedriger war (p <0.01, korrigiert durch TFCE). Zur Unterstützung der Visualisierung werden Bereiche mit reduziertem FA (rot) mithilfe des in FSL implementierten Skripts tbss_fill verdickt. Die Ergebnisse werden überlagert auf der Vorlage MNI152-T1 und dem mittleren FA-Skelett (grün) angezeigt. Die linke Seite des Bildes entspricht der rechten Hemisphäre des Gehirns.
doi: 10.1371 / journal.pone.0030253.g001
Tabelle 2. Neuroanatomische Regionen mit reduziertem FA bei Jugendlichen mit Internetabhängigkeitsstörung im Vergleich zu normalen Kontrollen. (p <0.01, TFCE korrigiert).
doi: 10.1371 / journal.pone.0030253.t002
VOI-Ergebnisse
Die 22-Hirnregionen, die signifikant reduzierte FA in der IAD-Gruppe zeigten, wurden für die VOI-basierte Analyse anderer Diffusionsindizes extrahiert. Die Ergebnisse sind in aufgelistet Tabelle 3. 22 der 0.05 VOIs zeigten einen signifikant erhöhten Dr (p <22, Bonferroni-Korrektur für XNUMX Vergleiche). In Da wurden in keinem der VOIs signifikante Unterschiede festgestellt.
Tabelle 3. Gruppen Differenzen der Diffusivitätsindizes vom Volumen der Interessen (korrigiert für Alter).
doi: 10.1371 / journal.pone.0030253.t003
Für die 22 VOIs zeigte die Pearson-Korrelationsanalyse signifikant negative Korrelationen zwischen FA-Werten im linken Genu des Corpus Callosum und SCARED (r = –0.621, p = 0.008, unkorrigiert; Abbildung 2A) und zwischen FA-Werten in der linken externen Kapsel und YIAS (r = –0.566, p = 0.018, unkorrigiert;Abbildung 2B) in den IAD-Fächern. Eine multiple lineare Regressionsanalyse zeigte, dass die Auswirkungen von SCARED auf die FA innerhalb des linken Genus des Corpus callosum statistisch signifikant waren (standardisiertes β = –0.621, t = –3.07, p = 0.008), nicht jedoch die von Alter, Geschlecht und Bildung und andere psychometrische Variablen. Eine multiple lineare Regressionsanalyse zeigte auch, dass die Auswirkungen von YIAS auf die FA innerhalb der linken externen Kapsel statistisch signifikant waren (standardisiertes β = –0.566, t = –2.66, p = 0.018), jedoch nicht die von Alter, Geschlecht, Bildung und anderen psychometrische Variablen.
Abbildung 2. Korrelationsanalyse zwischen fraktioneller Anisotropie (FA) und Verhaltensmaßstäben innerhalb der Gruppe der Internet-Suchtkrankheiten (IAD).
Zur besseren Visualisierung werden Regionen mit signifikanten Korrelationen (rot) mit dem in FSL implementierten Skript tbss_fill verdickt. Abbildung 2A zeigt, dass FA-Werte im linken Genu des Corpus Callosum negativ mit dem Screen for Child Anxiety Related Emotional Disorders (SCARED) korrelieren (r = –0.621, p = 0.008). Abbildung 2B zeigt, dass FA-Werte in der linken externen Kapsel negativ mit der Internet-Sucht-Skala (YIAS) von Young korrelieren (r = –0.566, p = 0.018).
doi: 10.1371 / journal.pone.0030253.g002
Diskussion
In dieser Studie verwendeten wir DTI, um die Integrität der weißen Substanz in IAD Jugendlichen durch die Beobachter-unabhängige Voxel-weise TBSS-Analyse des ganzen Gehirns zu untersuchen. Verglichen mit dem Alter, dem Geschlecht und der Bildung übereinstimmenden Kontrollen hatten IAD-Patienten signifikant FA in der orbitafrontalen weißen Substanz zusammen mit Cingulum, Kommissurafasern des Corpus callosum, Verbandsfasern einschließlich der unteren Fascicularis Fasciculus und Projektion Fasern, die umfasst die Koronastrahlung, die innere Kapsel und die äußere Kapsel (Figure 1 und Tabelle 2). Diese Ergebnisse liefern Beweise für weitverbreitete Defizite in der Integrität der weißen Substanz und spiegeln eine Störung in der Organisation der weißen Substanzbahnen bei IAD wider. Die VOI-Analyse zeigte, dass die Abnahme der FA bei IAD hauptsächlich auf eine erhöhte radiale Diffusivität zurückzuführen ist (Tabelle 3), vielleicht eine Manifestation der Demyelinisierung. Darüber hinaus zeigten die Ergebnisse der Korrelationsanalysen, dass FA im linken Genu des Corpus callosum negativ mit SCARED korreliert war und FA in der linken externen Kapsel negativ mit YIAS korrelierte (Figure 2). Diese Befunde legen nahe, dass die Integrität der weißen Substanz als potenzielles neues Behandlungsziel für IAD dienen könnte, und FA könnte als ein qualifizierter Biomarker verwendet werden, um die zugrunde liegenden neuralen Mechanismen der Verletzung zu verstehen oder die Wirksamkeit spezifischer früher Interventionen bei IAD zu beurteilen.
Abnormale Integrität der weißen Substanz in IAD
Der orbito-frontale Kortex hat umfangreiche Verbindungen mit präfrontalen, viszeromotorischen und limbischen Regionen sowie den Assoziationsbereichen jeder sensorischen Modalität [33]. Es spielt eine entscheidende Rolle bei emotionalen Prozessen und suchtbezogenen Phänomenen, wie zum Beispiel Verlangen, zwanghaft-repetitivem Verhalten und maladaptive Entscheidungsfindung [34], [35]. Frühere Studien haben gezeigt, dass eine abnormale Integrität der weißen Substanz im orbitofrontalen Kortex häufig bei Personen beobachtet wurde, die süchtig machenden Substanzen wie Alkohol ausgesetzt waren [36], Kokain [37], [38], Marihuana [39], Methamphetamin [40]und Ketamin [41]. Unser Befund, dass IAD mit beeinträchtigter Integrität der weißen Substanz in den orbitofrontalen Regionen assoziiert ist, ist konsistent mit diesen vorherigen Ergebnissen.
Der anteriore cinguläre Kortex (ACC) verbindet sich mit den Frontallappen und dem limbischen System und spielt eine wesentliche Rolle bei der kognitiven Kontrolle, der emotionalen Verarbeitung und dem Verlangen [42]. Eine abnormale Integrität der weißen Substanz im anterioren Cingulum wurde auch bei anderen Formen der Abhängigkeit, wie Alkoholismus, beobachtet [36]Heroinabhängigkeit [43]und Kokainsucht [38]. Die Beobachtung einer verminderten FA innerhalb des anterioren Cingulums von IAD-Subjekten ist konsistent mit diesen früheren Ergebnissen und mit dem Bericht, dass eine starke Internetüberbeanspruchung vorliegt[17] ist mit einer beeinträchtigten kognitiven Kontrolle verbunden. Interessanterweise wurde bei der gleichen Gruppe von IAD-Probanden gezeigt, dass die Dichte der grauen Substanz in der linken ACC im Vergleich zur Kontrolle signifikant verringert war [12]. Ähnliche Ergebnisse wurden auch von einer anderen Gruppe berichtet [13].
Eine andere Hauptstruktur, die eine reduzierte FA in IAD-Subjekten zeigt, ist das Corpus Callosum, welches der größte Fascistrakt der weißen Substanz ist, der den Neocortex der zwei Hemisphären verbindet [44]. Die vorderen Teile des Corpus callosum verbinden die frontalen Cortices, während der Körper und das Splenium parietale, temporale und occipitale homotope Regionen miteinander verbinden [45]. Eine kompromittierte Faserkonnektivität innerhalb des Corpus callosum ist ein häufiges Ergebnis bei Subjekten mit Substanzabhängigkeit [46]. Bei kokainabhängigen Probanden signifikant reduzierte FA im genu und rostralen Körper [47] und der Körper und das Splenium des Corpus callosum [48] wurden angezeigt. Methamphetamin-Missbraucher zeigten eine reduzierte Integrität der weißen Substanz im Genu [49] und rostraler Körper [50] des Corpus Callosum. Alkoholismus ist auch mit verminderter FA im Genu, Körper und Milz des Corpus Callosum verbunden [51], [52]. Zuletzt haben Bora et al. [53] beobachteten FA-Reduktionen im Genu und Isthmus des Corpus Callosum bei Opiat-abhängigen Patienten. Unsere Ergebnisse der reduzierten FA, hauptsächlich im bilateralen Genus und Körper des Corpus Callosum bei IAD-Patienten, legen nahe, dass eine starke Internetüberbeanspruchung, ähnlich dem Substanzmissbrauch, die Mikrostruktur der weißen Substanz des Corpus Callosum schädigen kann.
Im Vergleich zu den Kontrollen zeigten IAD-Patienten auch signifikant verringerte FA im vorderen Teil der inneren Kapsel, der äußeren Kapsel, der Koronastrahlung, des inferioren Hinterhauptsfaszikulus und des präzentralen Gyrus. Wiederum wurden ähnliche Anomalien der weißen Substanz auch bei anderen Formen der Abhängigkeit beobachtet. Zum Beispiel wurde über Veränderungen der weißen Substanz in der vorderen Extremität der inneren Kapsel und der äußeren Kapsel bei Alkoholmissbrauch berichtet [54], [55] und Opiatabhängigkeit [53]. FA-Abnahmen in der vorderen Extremität der inneren Kapsel können auf Veränderungen in frontal-subkortikalen Kreisläufen hinweisen. Dieser Weg stellt Verbindungen zwischen dem Thalamus / Striatum und frontalen kortikalen Regionen her und umfasst ein System, das eine Rolle bei der Belohnung und der emotionalen Verarbeitung spielt [56]. Die äußere Kapsel verbindet den ventralen und medialen präfrontalen Kortex mit dem Striatum. Die Corona radiata besteht aus Fasern aus weißer Substanz, die die Großhirnrinde mit der inneren Kapsel verbinden und wichtige Verbindungen zwischen den frontalen, parietalen, temporalen und okzipitalen Lappen bereitstellen [57]. Eine abnormale Integrität der weißen Substanz in Corona radiata wurde zuvor in Kokain beobachtet [58]und Methamphetaminmissbrauch [59]und Alkoholabhängigkeit [54]. Der Fasciculus fronto-occipital inferior ist ein Assoziationsbündel, das den frontalen mit dem parietalen und occipitalen Lappen verbindet. Im Vergleich zu den leichten Trinkern haben die Alkoholiker in dieser Region einen niedrigeren FA [54]. Anomaler präzentraler Gyrus wurde auch in Heroinabhängigkeit berichtet [43] und Marihuana und alkoholkonsumierende Jugendliche [39].
Insgesamt zeigen unsere Ergebnisse, dass IAD eine anormale Integrität der weißen Substanz in Gehirnregionen aufweist, die mit der emotionalen Erzeugung und Verarbeitung, der Aufmerksamkeit von Führungskräften, der Entscheidungsfindung und der kognitiven Kontrolle einhergehen. Die Ergebnisse deuten auch darauf hin, dass IAD psychologische und neurale Mechanismen mit anderen Arten von Substanzabhängigkeit und Impulskontrollstörungen teilen kann.
Mögliche Mechanismen, die FA zugrunde liegen, sinken
Obwohl ein erniedrigter FA ein gut etablierter Biomarker für die Beeinträchtigung der Integrität der weißen Substanz ist, bleibt seine genaue neurobiologische Bedeutung vollständig zu verstehen. FA von Fasern / Bündeln aus weißer Substanz kann durch viele Faktoren beeinflusst werden, einschließlich Myelinisierung, Axongröße und -dichte, Pfadgeometrie und extrazellulärem Wasserraum zwischen den Fasern [20]. In dieser Studie fanden wir, dass die FA-Reduktion im Gehirn von IAD-Patienten hauptsächlich durch eine Zunahme der radialen Diffusivität getrieben wurde, ohne dass große Veränderungen der axialen Diffusivität beobachtet wurden (Tabelle 3). Dies schien auch in anderen Formen der Substanzabhängigkeit, wie Kokain, zu gelten [60], [61], Opiat[53]und Methamphetaminmissbrauch / Sucht [62]. Obwohl es immer noch ein Thema der Debatte ist, wird allgemein angenommen, dass die radiale Diffusivität spiegelt hauptsächlich die Integrität und Dicke von Myelinblättern wider, die die Axone bedecken [22]während die axiale Diffusivität die Organisation der Faserstruktur und Axonintegrität indizieren kann[63]. Wenn diese Annahme in unserem Fall zutrifft, kann daraus geschlossen werden, dass eine reduzierte FA, die das Gehirn von IAD-Patienten beobachtet, höchstwahrscheinlich eine Manifestation der gestörten Integrität von Myelin in den betroffenen Gehirnregionen ist.
Beziehung zwischen FA und Verhaltensmaßnahmen in IAD
Die Verhaltensbeurteilung zeigte, dass die IAD-Patienten im Vergleich zur Kontrolle signifikant höhere Werte bei YIAS, SDQ, SCARED und FAD aufwiesen. Diese Ergebnisse stimmen mit den Ergebnissen früherer neuropsychologischer Studien zu IAD-Patienten überein [9], [64]. Das Verständnis der Zusammenhänge zwischen der Integrität der weißen Substanz und Verhaltensmerkmalen liefert wichtige Einblicke in die neurobiologischen Mechanismen, die den verschiedenen Aspekten von Suchtsymptomen zugrunde liegen. Zum Beispiel Pfefferbaum und Kollegen [65] berichteten über eine positive Korrelation zwischen FA-Werten im Splenium und Arbeitsgedächtnis bei chronischen Alkoholikern. In Kokainabhängigkeit wurde eine signifikante negative Korrelation zwischen FA im vorderen Corpus callosum und Impulsivität und eine positive Korrelation zwischen FA und Diskriminierbarkeit beobachtet [47]. FA in der rechten frontalen Sub-Gyral von Heroin-abhängigen Probanden wurde negativ korreliert mit der Dauer der Heroin-Nutzung gefunden [43]. Eine schlechtere kognitive Kontrolle war mit einem niedrigeren FA im Genu des Corpus callosum bei Methamphetaminabhängigen verbunden [49].
In dieser Studie untersuchen wir die Verhaltenskorrelate der FA-Reduktion in den betroffenen Hirnregionen der IAD-Patienten. Die Reduktion der FA im linken Genu des Corpus callosum der IAD-Subjekte korrelierte signifikant mit der Zunahme des SCARED-Scores; während höhere YIAS-Werte mit einer stärker beeinträchtigten Integrität der weißen Substanz in der linken äußeren Kapsel assoziiert zu sein schienen.
Der SCARED ist ein zuverlässiger und valider Selbstbericht-Fragebogen, der Symptome von Angststörungen bei Kindern misst [30]. Neuropsychologische Studien zeigten, dass IAD-Jugendliche einen signifikant höheren SCARED-Score aufwiesen als solche ohne IAD [64]. Die negative Assoziation zwischen SCARED-Scores und FA im linken Genu des Corpus callosum kann durch eine gestörte Verbindung zwischen den bilateralen präfrontalen Cortices entstehen, die an Angststörungen beteiligt sind. Das YIAS bewertet, inwieweit sich eine starke Internetnutzung negativ auf das soziale Funktionieren und die sozialen Beziehungen auswirkt [26]; und es ist ein weit verbreitetes Instrument zur Bewertung der Abhängigkeit des Internets. Frühere psychometrische Studien hatten gezeigt, dass IAD-Patienten höhere YIAS-Werte aufwiesen als solche ohne IAD [9]. Die negative Korrelation zwischen YIAS-Scores und FA-Werten in der linken externen Kapsel implizierte, dass IAD-Subjekte mit höheren YIAS-Scores eine geringere Integrität der weißen Substanz im fronto-temporalen Pfad zeigten, der durch die externe Kapsel verbunden war.
Darüber hinaus weisen die Zusammenhänge zwischen der Integrität der weißen Substanz und den Verhaltensmerkmalen auf ein neuartiges potenzielles Ziel für die Behandlung von IAD-Patienten hin, was mit den jüngsten Aufrufen zur kognitiven Verbesserung bei abhängigen Patienten einschließlich IAD-Patienten übereinstimmt [66], [67]. Neuere Studien haben gezeigt, dass physikalische oder pharmakologische Behandlungen die Integrität der weißen Substanz verbessern können. Schlaug und Kollegen berichteten beispielsweise, dass Physiotherapie die Integrität der weißen Substanz im richtigen Sprachgebiet verbessern und die Sprache bei aphasischen Patienten mit Läsionen im linken Sprachgebiet verbessern könnte [68]. Daher legen die Befunde von signifikanten Assoziationen zwischen beeinträchtigter Integrität der weißen Substanz in ausgedehnten Regionen und schlechteren neuropsychologischen Messungen bei IAD-Patienten nahe, dass die Integrität der weißen Substanz als ein Prädiktor für Abstinenz oder ein potenzielles neues Behandlungsziel für IAD dienen könnte.
TBSS gegen VBM
Unsere vorherige Studie zeigte, dass es keine Atrophie der weißen Substanz in denselben Kohorten-IAD-Subjekten gab [12], und dies scheint mit den Ergebnissen in dieser Studie nicht vereinbar zu sein. Graue oder weiße Materiedichte, gemessen durch VBM, ist definiert als die relative Konzentration von grauen oder weißen Substanzstrukturen in räumlich normalisierten Bildern (dh der Anteil von grauer oder weißer Substanz an allen Gewebetypen innerhalb einer Region), die nicht mit Zellen verwechselt werden sollte Packungsdichte gemessen cytoarchitektonisch [69]. In der DTI / TBSS-Analyse wird der FA-Wert als Ersatz für die strukturelle Integrität der weißen Substanz verwendet, die durch Faktoren wie Myelinisierung, Axongröße und -dichte, Pfadgeometrie und extrazellulären Wasserraum zwischen den Fasern zustande kommen kann [20]. VBM-abgeleitete Dichte und strukturelle Integrität, die durch DTI gemessen werden, repräsentieren daher verschiedene Aspekte der weißen Substanz. Es kann Regionen mit weißer Substanz geben, die durch VBM keine Atrophie zeigen, aber strukturell beeinträchtigt sind, wie durch FA-Messungen nachgewiesen (dh genau in unserer Studie von IAD), und umgekehrt. Aus den Ergebnissen der beiden Studien kann geschlossen werden, dass IAD in der Adoleszenz nicht mit morphologischen Veränderungen in der weißen Substanz auf makroskopischer Ebene assoziiert ist, sondern eher eine gestörte mikrostrukturelle Integrität der weißen Substanz, die der Demyelinisierung zugeschrieben werden könnte.
Grenzen der Studie
Es gibt einige Einschränkungen, die in dieser Studie erwähnt werden sollten. Erstens basierte die Diagnose von IAD hauptsächlich auf Ergebnissen von selbstberichteten Fragebögen, die eine Fehlerklassifikation verursachen könnten. Daher muss die Diagnose von IAD mit standardisierten Diagnoseinstrumenten verfeinert werden, um die Zuverlässigkeit und Validität zu verbessern. Zweitens, obwohl wir unser Bestes gegeben haben, um komorbide Substanz und psychiatrische Störungen auszuschließen, wird anerkannt, dass dies möglicherweise nicht ausreichend durchgeführt wurde (dh es wurde kein Urintest gegeben, Schlafgewohnheiten und Zeitpläne und tägliche Schläfrigkeit wurden im Versuchsdesign nicht kontrolliert) , so dass die beobachteten Veränderungen der weißen Substanz nicht der IAD an sich zugeschrieben werden können. Es wird auch zugegeben, dass dies keine kontrollierte Studie der Auswirkungen der Internetnutzung auf die Gehirnstruktur ist. Drittens war die Stichprobengröße in dieser Studie relativ klein, was die Aussagekraft der statistischen Signifikanz und die Verallgemeinerung der Ergebnisse verringern könnte. Aufgrund dieser Einschränkung sollten diese Ergebnisse als vorläufig betrachtet werden, die in zukünftigen Studien mit einer größeren Stichprobengröße repliziert werden müssen. Schließlich zeigen unsere Ergebnisse als Querschnittsstudie nicht eindeutig, ob die psychologischen Merkmale der Entwicklung der IAD vorangingen oder eine Folge der Übernutzung des Internets waren. Daher sollten zukünftige Studien versuchen, die kausalen Beziehungen zwischen IAD und den psychologischen Maßnahmen zu identifizieren.
Zusammenfassend verwendeten wir DTI mit TBSS-Analyse, um die Mikrostruktur der weißen Substanz bei IAD-Jugendlichen zu untersuchen. Die Ergebnisse zeigen, dass IAD durch eine Störung der weißen Substanzfasern gekennzeichnet ist, die Hirnregionen verbindet, die mit emotionaler Erzeugung und Verarbeitung, exekutiver Aufmerksamkeit, Entscheidungsfindung und kognitiver Kontrolle verbunden sind. Die Ergebnisse deuten auch darauf hin, dass IAD psychologische und neuronale Mechanismen mit anderen Arten von Impulskontrollstörungen und Substanzabhängigkeit teilen kann. Darüber hinaus zeigen die Assoziationen zwischen FA-Werten in Regionen der weißen Substanz und verhaltensbezogenen Maßen, dass die Integrität der weißen Substanz als ein potenzielles neues Behandlungsziel für IAD dienen kann, und DTI kann wertvoll sein bei der Bereitstellung von Informationen über die Prognose für IAD, und FA kann qualifiziert sein Biomarker zur Beurteilung der Wirksamkeit spezifischer Frühinterventionen bei IAD.
Anerkennungen
Wir danken den beiden anonymen Gutachtern für ihre konstruktiven Anmerkungen und Vorschläge. Wir danken auch den jugendlichen Studenten und Familien, die so bereitwillig an dieser Studie teilgenommen haben.
Autorenbeiträge
Konzipiert und gestaltet die Experimente: FL YZ YD JX HL. Führte die Experimente durch: YZ LQ ZZ. Analysiert die Daten: FL HL. Mitwirkende Reagenzien / Materialien / Analysewerkzeuge: YZ YD FL. Schrieb das Papier: FL HL.
Bibliographie
1. Aboujaoude E (2010) Problematische Internetnutzung: ein Überblick. World Psychiatry 9: 85–90. FINDEN SIE DIESEN ARTIKEL ONLINE
2. Beard KW, Wolf EM (2001) Änderung der vorgeschlagenen diagnostischen Kriterien für Internetabhängigkeit. Cyberpsychol Behav 4: 377–383. FINDEN SIE DIESEN ARTIKEL ONLINE
3. Young KS (1998) Internetabhängigkeit: das Auftreten einer neuen klinischen Störung. Cyberpsychol Behav 1: 237–274. FINDEN SIE DIESEN ARTIKEL ONLINE
4. Chou C, Condron L, Belland JC (2005) Ein Überblick über die Forschung zur Internetsucht. Educ Psychol Rev 17: 363–388. FINDEN SIE DIESEN ARTIKEL ONLINE
5. Douglas AC, Mills JE, Niang M., Stepchenkova S., Byun S. et al. (2008) Internetabhängigkeit: Metasynthese qualitativer Forschung für das Jahrzehnt 1996–2006. Comput Human Behav 24: 3027–3044.FINDEN SIE DIESEN ARTIKEL ONLINE
6. Weinstein A, Lejoyeux M (2010) Internetabhängigkeit oder übermäßige Internetnutzung. Am J Drug Alcohol Abuse 36: 277–283. FINDEN SIE DIESEN ARTIKEL ONLINE
7. Bernardi S, Pallanti S (2009) Internetabhängigkeit: Eine deskriptive klinische Studie, die sich auf Komorbiditäten und dissoziative Symptome konzentriert. Compr Psychiatry 50: 510–516. FINDEN SIE DIESEN ARTIKEL ONLINE
8. Caplan SE (2002) Problematische Internetnutzung und psychosoziales Wohlbefinden: Entwicklung eines theoretischen Instrumentes zur Messung des kognitiven Verhaltens. Comput Human Behav 18: 553–575. FINDEN SIE DIESEN ARTIKEL ONLINE
9. Cao F, Su L (2007) Internetabhängigkeit bei chinesischen Jugendlichen: Prävalenz und psychologische Merkmale. Child Care Health Dev 33: 275–281. FINDEN SIE DIESEN ARTIKEL ONLINE
10. Shaw M, Black DW (2008) Internetabhängigkeit: Definition, Bewertung, Epidemiologie und klinisches Management. CNS Drugs 22: 353–365. FINDEN SIE DIESEN ARTIKEL ONLINE
11. Tao R, Huang XQ, Wang JN, Zhang HM, Zhang Y, et al. (2010) Vorgeschlagene diagnostische Kriterien für Internetabhängigkeit. Addiction 105: 556–564. FINDEN SIE DIESEN ARTIKEL ONLINE
12. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM et al. (2011) Anomalien der grauen Substanz bei Internetabhängigkeit: Eine voxelbasierte Morphometrie-Studie. Eur J Radiol 79: 92–95. FINDEN SIE DIESEN ARTIKEL ONLINE
13. Yuan K., Qin W., Wang G., Zeng F., Zhao L. et al. (2011) Mikrostrukturanomalien bei Jugendlichen mit Internetabhängigkeitsstörung. PLoS One 6: e20708. FINDEN SIE DIESEN ARTIKEL ONLINE
14. Liu J, Gao XP, Osunde I, Li X, Zhou SK, et al. (2010) Erhöhte regionale Homogenität bei Internet-Suchtstörungen: eine Studie zur funktionellen Magnetresonanztomographie im Ruhezustand. Chin Med J (engl.) 123: 1904–1908. FINDEN SIE DIESEN ARTIKEL ONLINE
15. Han DH, Bolo N., Daniels MA, Arenella L., Lyoo IK, et al. (2011) Gehirnaktivität und Wunsch nach Internet-Videospielen. Compr Psychiatry 52: 88–95. FINDEN SIE DIESEN ARTIKEL ONLINE
16. Ko CH, Liu GC, Hsiao S., Yen JY, Yang MJ, et al. (2009) Gehirnaktivitäten im Zusammenhang mit dem Spieldrang der Online-Spielsucht. J Psychiatr Res 43: 739–747. FINDEN SIE DIESEN ARTIKEL ONLINE
17. Dong G, Lu Q, Zhou H, Zhao X (2010) Impulshemmung bei Menschen mit Internetabhängigkeitsstörung: elektrophysiologische Beweise aus einer Go / NoGo-Studie. Neurosci Lett 485: 138–142. FINDEN SIE DIESEN ARTIKEL ONLINE
18. Park HS, Kim SH, Bang SA, Yoon EJ, Cho SS, et al. (2010) Veränderter regionaler zerebraler Glukosestoffwechsel im Internet-Spiel über Benutzer: eine 18F-Fluordesoxyglukose-Positronenemissionstomographie-Studie. CNS Spectr 15: 159–166. FINDEN SIE DIESEN ARTIKEL ONLINE
19. Basser PJ, Mattiello J, LeBihan D (1994) Abschätzung des effektiven Selbstdiffusionstensors aus dem NMR-Spinecho. J Magn Reson B 103: 247–254. FINDEN SIE DIESEN ARTIKEL ONLINE
20. Le Bihan D (2003) Untersuchung der Funktionsarchitektur des Gehirns mit Diffusions-MRT. Nat Rev Neurosci 4: 469–480. FINDEN SIE DIESEN ARTIKEL ONLINE
21. Basser PJ, Pierpaoli C (1996) Mikrostrukturelle und physiologische Merkmale von Geweben, die durch quantitative Diffusionstensor-MRT aufgeklärt wurden. J Magn Reson B 111: 209–219. FINDEN SIE DIESEN ARTIKEL ONLINE
22. Song SK, Sun SW, MJ Ramsbottom, C Chang, J Russell et al. (2002) Dysmyelinisierung durch MRT als erhöhte radiale (aber unveränderte axiale) Diffusion von Wasser. Neuroimage 17: 1429–1436. FINDEN SIE DIESEN ARTIKEL ONLINE
23. Smith SM, Jenkinson M., Johansen-Berg H., Rückert D., Nichols TE, et al. (2006) Traktbasierte räumliche Statistik: voxelweise Analyse von Diffusionsdaten mehrerer Subjekte. Neuroimage 31: 1487–1505. FINDEN SIE DIESEN ARTIKEL ONLINE
24. Oldfield RC (1971) Die Bewertung und Analyse der Händigkeit: das Inventar von Edinburgh. Neuropsychologia 9: 97–113. FINDEN SIE DIESEN ARTIKEL ONLINE
25. Sheehan DV, Sheehan KH, Shytle RD, Janavs J., Bannon Y. et al. (2010) Zuverlässigkeit und Gültigkeit des Mini International Neuropsychiatric Interview für Kinder und Jugendliche (MINI-KID). J Clin Psychiatry 71: 313–326. FINDEN SIE DIESEN ARTIKEL ONLINE
26. Young KS (1998) Im Netz gefangen: Wie man die Anzeichen von Internetabhängigkeit erkennt und eine erfolgreiche Strategie für die Genesung. New York: John Wiley.
27. Huang X, Zhang Z (2001) Die Erstellung der Dispositionsskala für das Jugendzeitmanagement. Acta Psychol Sin 33: 338–343. FINDEN SIE DIESEN ARTIKEL ONLINE
28. Goodman R (1997) Der Fragebogen zu Stärken und Schwierigkeiten: ein Forschungsbericht. J Child Psychol Psychiatry 38: 581–586. FINDEN SIE DIESEN ARTIKEL ONLINE
29. Patton JH, Stanford MS, Barratt ES (1995) Faktorstruktur der Barratt-Impulsivitätsskala. J Clin Psychol 51: 768–774. FINDEN SIE DIESEN ARTIKEL ONLINE
30. Birmaher B., Khetarpal S., Brent D., Cully M., Balach L. et al. (1997) Der Screen for Child Anxiety Related Emotional Disorders (SCARED): Skalenkonstruktion und psychometrische Eigenschaften. J Am Acad Child Adolesc Psychiatry 36: 545–553. FINDEN SIE DIESEN ARTIKEL ONLINE
31. Epstein NB, Baldwin LM, Bischof DS (1983) Das Bewertungsgerät der McMaster-Familie. J Marital Fam Ther 9: 171–180. FINDEN SIE DIESEN ARTIKEL ONLINE
32. Smith SM (2009) Schwellenfreie Clusterverbesserung: Behebung von Problemen der Glättung, Schwellenabhängigkeit und Lokalisierung bei der Clusterinferenz. Neuroimage 44: 83–98. FINDEN SIE DIESEN ARTIKEL ONLINE
33. Ongur D, Price JL (2000) Die Organisation von Netzwerken innerhalb des orbitalen und medialen präfrontalen Kortex von Ratten, Affen und Menschen. Cereb Cortex 10: 206–219. FINDEN SIE DIESEN ARTIKEL ONLINE
34. Schönebaum G, Roesch MR, Stalnaker TA (2006) Orbitofrontaler Kortex, Entscheidungsfindung und Drogenabhängigkeit. Trends Neurosci 29: 116–124. FINDEN SIE DIESEN ARTIKEL ONLINE
35. Volkow ND, Fowler JS (2000) Sucht, eine Krankheit des Zwangs und des Antriebs: Beteiligung des orbitofrontalen Kortex. Cereb Cortex 10: 318–325. FINDEN SIE DIESEN ARTIKEL ONLINE
36. Harris GJ, Jaffin SK, Hodge SM, Kennedy D., Caviness VS, et al. (2008) Defizite der frontalen weißen Substanz und der Cingulum-Diffusionstensor-Bildgebung beim Alkoholismus. Alcohol Clin Exp Res 32: 1001–1013. FINDEN SIE DIESEN ARTIKEL ONLINE
37. Lim KO, Choi SJ, Pomara N., Wolkin A., Rotrosen JP (2002) Reduzierte Integrität der frontalen weißen Substanz bei Kokainabhängigkeit: Eine kontrollierte Diffusionstensor-Bildgebungsstudie. Biol Psychiatry 51: 890–895. FINDEN SIE DIESEN ARTIKEL ONLINE
38. Romero MJ, Asensio S., Palau C., Sanchez A., Romero FJ (2010) Kokainsucht: Diffusionstensor-Bildgebungsstudie der unteren frontalen und anterioren cingulären weißen Substanz. Psychiatry Res 181: 57–63.FINDEN SIE DIESEN ARTIKEL ONLINE
39. Bava S., Frank L. R., McQueeny T., Schweinsburg BC, Schweinsburg AD, et al. (2009) Veränderte Mikrostruktur der weißen Substanz bei jugendlichen Substanzkonsumenten. Psychiatry Res 173: 228–237. FINDEN SIE DIESEN ARTIKEL ONLINE
40. Alicata D., Chang L., Cloak C., Abe K., Ernst T. (2009) Höhere Diffusion im Striatum und geringere fraktionierte Anisotropie in der weißen Substanz von Methamphetaminkonsumenten. Psychiatry Res 174: 1–8. FINDEN SIE DIESEN ARTIKEL ONLINE
41. Liao Y., Tang J., Ma M., Wu Z., Yang M. et al. (2010) Frontale Anomalien der weißen Substanz nach chronischem Ketaminkonsum: eine Diffusionstensor-Bildgebungsstudie. Brain 133: 2115–2122. FINDEN SIE DIESEN ARTIKEL ONLINE
42. Goldstein RZ, Volkow ND (2002) Drogenabhängigkeit und ihre zugrunde liegende neurobiologische Grundlage: Neuroimaging-Beweise für die Beteiligung des frontalen Kortex. Am J Psychiatry 159: 1642–1652. FINDEN SIE DIESEN ARTIKEL ONLINE
43. Liu H., Li L., Hao Y., Cao D., Xu L. et al. (2008) Gestörte Integrität der weißen Substanz bei Heroinabhängigkeit: eine kontrollierte Studie unter Verwendung der Diffusionstensor-Bildgebung. Am J Drug Alcohol Abuse 34: 562–575. FINDEN SIE DIESEN ARTIKEL ONLINE
44. deLacoste MC, Kirkpatrick JB, Ross ED (1985) Topographie des menschlichen Corpus Callosum. J Neuropathol Exp Neurol 44: 578–591. FINDEN SIE DIESEN ARTIKEL ONLINE
45. Abe O., Masutani Y., Aoki S., Yamasue H., Yamada H. et al. (2004) Topographie des menschlichen Corpus Callosum mittels Diffusionstensortraktographie. J Comput Assist Tomogr 28: 533–539. FINDEN SIE DIESEN ARTIKEL ONLINE
46. Arnone D, Abou-Saleh MT, Barrick TR (2006) Diffusionstensor-Bildgebung des Corpus Callosum bei Sucht. Neuropsychobiology 54: 107–113. FINDEN SIE DIESEN ARTIKEL ONLINE
47. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Dougherty DM, et al. (2005) Eine verminderte Integrität der weißen Substanz des vorderen Corpus Callosum hängt mit einer erhöhten Impulsivität und einer verminderten Diskriminierbarkeit bei kokainabhängigen Probanden zusammen: Diffusionstensor-Bildgebung. Neuropsychopharmacology 30: 610–617. FINDEN SIE DIESEN ARTIKEL ONLINE
48. Lim KO, Wozniak JR, Müller BA, Franc DT, Specker SM, et al. (2008) Makrostrukturelle und mikrostrukturelle Anomalien des Gehirns bei der Kokainabhängigkeit. Drug Alcohol Depend 92: 164–172. FINDEN SIE DIESEN ARTIKEL ONLINE
49. Salo R., Nordahl TE, Buonocore MH, Natsuaki Y., Waters C. et al. (2009) Kognitive Kontrolle und Callosal-Mikrostruktur der weißen Substanz bei Methamphetamin-abhängigen Probanden: eine Diffusionstensor-Bildgebungsstudie. Biol Psychiatry 65: 122–128. FINDEN SIE DIESEN ARTIKEL ONLINE
50. Moeller FG, Steinberg JL, Lane SD, Buzby M., Swann AC, et al. (2007) Diffusionstensor-Bildgebung bei MDMA-Anwendern und -Kontrollen: Assoziation mit der Entscheidungsfindung. Am J Drug Alcohol Abuse 33: 777–789. FINDEN SIE DIESEN ARTIKEL ONLINE
51. De Bellis MD, Van Voorhees E., Hooper SR, Gibler N., Nelson L. et al. (2008) Diffusionstensormessungen des Corpus Callosum bei Jugendlichen mit Alkoholkonsumstörungen bei Jugendlichen. Alcohol Clin Exp Res 32: 395–404. FINDEN SIE DIESEN ARTIKEL ONLINE
52. Pfefferbaum A, Adalsteinsson E, Sullivan EV (2006) Dysmorphologie und mikrostruktureller Abbau des Corpus Callosum: Wechselwirkung von Alter und Alkoholismus. Neurobiol Aging 27: 94–1009. FINDEN SIE DIESEN ARTIKEL ONLINE
53. Bora E., Yucel M., Fornito A., Pantelis C., Harrison BJ, et al. (2010) Mikrostruktur der weißen Substanz bei Opiatabhängigkeit. Addict Biol. In der Presse. FINDEN SIE DIESEN ARTIKEL ONLINE
54. Yeh PH, Simpson K., Durazzo TC, Gazdzinski S., Meyerhoff DJ (2009) Traktbasierte räumliche Statistik (TBSS) von Diffusionstensor-Bildgebungsdaten in Alkoholabhängigkeit: Abnormalitäten der motivationalen Neurokreisläufe. Psychiatry Res 173: 22–30. FINDEN SIE DIESEN ARTIKEL ONLINE
55. Pfefferbaum A, Rosenbloom M, Rohlfing T, Sullivan EV (2009) Abbau von Assoziations- und Projektionssystemen der weißen Substanz im Alkoholismus, nachgewiesen mit quantitativer Faserverfolgung. Biol Psychiatry 65: 680–690. FINDEN SIE DIESEN ARTIKEL ONLINE
56. Mori S., Wakana S., Nagae-Poetscher L., Van Zijl P. (2005) MRT-Atlas der menschlichen weißen Materie. San Diego, Kalifornien: Elsevier.
57. Wakana S (2004) Fasertraktbasierter Atlas der Anatomie der weißen Substanz des Menschen. Radiology 230: 77–87.FINDEN SIE DIESEN ARTIKEL ONLINE
58. Bell RP, Foxe JJ, Nierenberg J, Hoptman MJ, Garavan H (2011) Bewertung der Integrität der weißen Substanz als Funktion der Abstinenzdauer bei ehemaligen kokainabhängigen Personen. Drug Alcohol Depend 114: 159–168. FINDEN SIE DIESEN ARTIKEL ONLINE
59. Tobias MC, O'Neill J., Hudkins M., Bartzokis G., Dean AC, et al. (2010) Anomalien der weißen Substanz im Gehirn während der frühen Abstinenz von Methamphetaminmissbrauch. Psychopharmacology 209: 13–24. FINDEN SIE DIESEN ARTIKEL ONLINE
60. Spur SD, Steinberg JL, Ma LS, Hasan KM, Kramer LA, et al. (2010) Diffusionstensor-Bildgebung und Entscheidungsfindung bei Kokainabhängigkeit. PLoS One 5: e11591. FINDEN SIE DIESEN ARTIKEL ONLINE
61. Moeller FG, Hasan KM, Steinberg JL, Kramer LA, Valdes I, et al. (2007) Diffusionstensor-Imaging-Eigenwerte: Vorläufiger Beweis für ein verändertes Myelin in der Kokainabhängigkeit. Psychiatry Res 154: 253–258. FINDEN SIE DIESEN ARTIKEL ONLINE
62. Kim IS, Kim YT, Song HJ, Lee JJ, Kwon DH, et al. (2009) Reduzierte mikrostrukturelle Integrität der weißen Substanz des Corpus Callosum durch Diffusionstensoreigenwerte bei abstinenten Methamphetaminabhängigen. Neurotoxicology 30: 209–213. FINDEN SIE DIESEN ARTIKEL ONLINE
63. Lied SK, Sun SW, Ju WK, Lin SJ, Cross AH, et al. (2003) Die Diffusionstensor-Bildgebung erkennt und differenziert die Axon- und Myelin-Degeneration im Sehnerv der Maus nach einer Netzhautischämie. Neuroimage 20: 1714–1722. FINDEN SIE DIESEN ARTIKEL ONLINE
64. Huang X, Zhang H., Li M., Wang J., Zhang Y, et al. (2010) Psychische Gesundheit, Persönlichkeit und Erziehungsstile von Jugendlichen mit Internet-Suchtstörung. Cyberpsychol Behav Soc Netw 13: 401–406. FINDEN SIE DIESEN ARTIKEL ONLINE
65. Pfefferbaum A., Sullivan EV, Hedehus M., Adalsteinsson E., Lim KO, et al. (2000) In-vivo-Nachweis und funktionelle Korrelate von mikrostrukturellen Störungen der weißen Substanz bei chronischem Alkoholismus. Alcohol Clin Exp Res 24: 1214–1221. FINDEN SIE DIESEN ARTIKEL ONLINE
66. Du YS, Jiang W., Vance A. (2010) Langzeitwirkung einer randomisierten, kontrollierten kognitiven Verhaltenstherapie für Internetabhängigkeit bei jugendlichen Studenten in Shanghai. Aust NZJ Psychiatry 44: 129–134. FINDEN SIE DIESEN ARTIKEL ONLINE
67. Vocci FJ (2008) Kognitive Sanierung bei der Behandlung von Stimulanzienmissbrauchsstörungen: eine Forschungsagenda. Exp Clin Psychopharmacol 16: 484–497. FINDEN SIE DIESEN ARTIKEL ONLINE
68. Schlaug G., Marchina S., Norton A. (2009) Hinweise auf Plastizität in Trakten der weißen Substanz von Patienten mit chronischer Broca-Aphasie, die sich einer intensiven Intonations-basierten Sprachtherapie unterziehen. Ann NY Acad Sci 1169: 385–394. FINDEN SIE DIESEN ARTIKEL ONLINE
69. Mechelli A, Price CJ, Friston KJ, Ashburner J (2005) Voxelbasierte Morphometrie des menschlichen Gehirns: Methoden und Anwendungen. Curr Med Imaging Rev 1: 105–113. FINDEN SIE DIESEN ARTIKEL ONLINE
;